Skip to main page content
U.S. flag

An official website of the United States government

Dot gov

The .gov means it’s official.
Federal government websites often end in .gov or .mil. Before sharing sensitive information, make sure you’re on a federal government site.

Https

The site is secure.
The https:// ensures that you are connecting to the official website and that any information you provide is encrypted and transmitted securely.

Access keys NCBI Homepage MyNCBI Homepage Main Content Main Navigation
. 2019 Mar;66(3):287-292.
doi: 10.1007/s12630-018-01268-6. Epub 2019 Feb 6.

Can authorship bias be detected in meta-analysis?

Ahmed M Abou-Setta  1   2 , Rasheda Rabbani  3   4 , Lisa M Lix  3   4 , Alexis F Turgeon  5 , Brett L Houston  6 , Dean A Fergusson  7 , Ryan Zarychanski  3   4   6
Affiliations

Can authorship bias be detected in meta-analysis?

Ahmed M Abou-Setta et al. Can J Anaesth. 2019 Mar.

Abstract
in English, French

Purpose: Statistical approaches have been developed to detect bias in individual trials, but guidance on how to detect systematic differences at a meta-analytical level is lacking. In this paper, we elucidate whether author bias can be detected in a cohort of randomized trials included in a meta-analysis.

Methods: We utilized mortality data from 35 trials (10,880 patients) included in our previously published meta-analysis. First, we linked each author with their trial (or trials). Then we calculated author-specific odds ratios using univariate cross table methods. Finally, we tested the effect of authorship by comparing each author's estimated odds ratio with all other pooled estimated odds ratios using meta-regression.

Results: The median number of investigators named as authors on the primary trial reports was six (interquartile range: 5-8, range: 2-32). The results showed that the slope of author effect for mortality ranged from - 1.35 to 0.71. We identified only one author team showing a marginally significant effect (- 0.39; 95% confidence interval, - 0.78 to 0.00). This author team has a history of retractions due to data manipulations and ethical violations.

Conclusion: When combining trial-level data to produce a pooled effect estimate, investigators must consider sources of potential bias. Our results suggest that systematic errors can be detected using meta-regression, although further research is needed to examine the sensitivity of this model. Systematic reviewers will benefit from the availability of methods to guard against the dissemination of results with the potential to mislead decision-making.

RéSUMé: OBJECTIF: Des approches statistiques ont été élaborées pour détecter les biais dans les essais individuels, mais nous manquons d’orientations sur les méthodes à utiliser pour les détecter au niveau des méta-analyses. Dans cet article, nous étudions s’il est possible de détecter des biais liés à l’auteur dans un ensemble d’essais randomisés inclus dans une méta-analyse. MéTHODES: Nous avons utilisé les données sur la mortalité tirées de 35 essais (10 880 patients) inclus dans notre méta-analyse publiée antérieurement. Nous avons tout d’abord lié chaque auteur à son étude (ou à ses études). Nous avons ensuite calculé des rapports de cotes (odds ratios) spécifiques utilisant des méthodes de tableaux unifactoriels croisés. Enfin, nous avons testé l’effet « auteur » en comparant les rapports de cotes estimés de chaque auteur avec le rapport de cotes groupé de tous les autres auteurs au moyen d’une métarégression. RéSULTATS: Le nombre médian d’investigateurs cité comme auteurs dans les publications principales des essais était de six (plage interquartile : 5 à 8, limites : 2 à 32). Les résultats ont montré que la pente de l’effet « auteur » pour la mortalité allait de -1,35 à 0,71. Nous n’avons identifié qu’une seule équipe d’auteurs ayant un effet peu à la limite de la significativité (-0,39; intervalle de confiance à 95 % : -0,78 à 0,00). Cette équipe a un historique de rétractions de publications en raison de manipulations des données et de violations de l’éthique. CONCLUSION: Lorsqu’ils combinent les données des essais pour produire une estimation groupée de l’effet, les investigateurs doivent envisager les sources de biais potentiels. Nos résultats suggèrent que des erreurs systématiques peuvent être détectées en utilisant une métarégression bien qu’il soit nécessaire de poursuivre les recherches pour évaluer la sensibilité de ce modèle. Les réviseurs systématiques tireront parti de la disponibilité de méthodes les protégeant de la dissémination de résultats susceptibles de fausser des prises de décision potentielles.

PubMed Disclaimer

References

    1. Higgins JP, Green S. Cochrane handbook for systematic reviews of interventions. Version 5.1. 0. The Cochrane Collaboration 2011. Available from URL: https://handbook-5-1.cochrane.org/ (accessed October 2018).
    1. Lundh A, Sismondo S, Lexchin J, Busuioc OA, Bero L. Industry sponsorship and research outcome. Cochrane Database Syst Rev 2012; 12: MR000033.
    1. Bastian H. “They would say that, wouldn’t they?” A reader’s guide to author and sponsor biases in clinical research. J R Soc Med 2006; 99: 611-4. - PubMed - PMC
    1. Buchter RB, Pieper D. Most overviews of Cochrane reviews neglected potential biases from dual authorship. J Clin Epidemiol 2016; 77: 91-4. - DOI - PubMed
    1. Singh JP, Grann M, Fazel S. Authorship bias in violence risk assessment? A systematic review and meta-analysis. PLoS One 2013; 8: e72484. - DOI - PubMed - PMC

LinkOut - more resources